订单分配方法、装置、存储介质和电子设备与流程

1.本公开涉及计算机技术领域，具体地，涉及一种订单分配方法、装置、存储介质和电子设备。


背景技术：

2.随着互联网技术的不断发展，配送服务为用户提供了便捷的购物体验。用户可以根据自身需求在网上进行购物，并由配送者根据用户的订单进行订单配送。目前，为了提高订单配送效率，主要是通过将订单的原始信息在多个维度上进行特征聚合，以得到聚合后的该订单的统计特征，其中，订单的原始信息可以包括订单信息、商户信息和配送者信息等。然后根据聚合得到的统计特征，确定订单的配送运力，并根据订单的配送运力，将订单分配给配送者。然而，通过统计特征确定的配送运力不准确，这会导致无法合理的为配送者分配订单，降低配送者的订单配送效率，影响配送便捷度，给用户带来不便。


技术实现要素：

3.为了解决相关技术中存在的问题，本公开提供了一种订单分配方法、装置、存储介质和电子设备。
4.为了实现上述目的，根据本公开实施例的第一方面，提供一种订单分配方法，所述方法包括：
5.获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征；所述订单特征集合包括待分配订单的第一订单特征，每个所述配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，所述待确定订单包括未确定配送运力的订单；
6.将所述订单特征集合，所述环境特征和所述配送者特征输入预先训练的配送运力确定模型，得到所述待确定订单的目标配送运力；
7.根据所述目标配送运力对所述待确定订单进行分配。
8.可选地，所述配送运力确定模型用于根据所述配送者特征和所述第二订单特征，确定每个所述配送者对应的组合特征向量，并根据所述第三订单特征和所述环境特征，确定第一目标特征向量，并根据所述组合特征向量，所述第一目标特征向量和所述第一订单特征对应的第一订单特征向量，确定所述目标配送运力。
9.可选地，所述配送运力确定模型包括嵌入层、自注意力机制层、特征提取网络、第一mlp和第二mlp；
10.所述嵌入层用于根据所述配送者特征，所述第一订单特征，所述第二订单特征，所述第三订单特征和所述环境特征，生成所述配送者特征对应的配送者特征向量，所述第一订单特征向量，所述第二订单特征对应的第二订单特征向量，所述第三订单特征对应的第三订单特征向量，以及所述环境特征对应的环境特征向量；
11.所述嵌入层还用于将所述配送者特征向量和所述第二订单特征向量输入到所述特征提取网络，并将所述第一订单特征向量输入到所述自注意力机制层，并将所述第三订
单特征向量和所述环境特征向量输入到所述第一mlp；
12.所述特征提取网络用于对所述配送者特征向量和所述第二订单特征向量进行特征提取，得到所述组合特征向量，并将所述组合特征向量输入到所述自注意力机制层；
13.所述第一mlp用于根据所述第三订单特征向量和所述环境特征向量，确定所述第一目标特征向量，并将所述第一目标特征向量分别输入到所述自注意力机制层和所述第二mlp；
14.所述自注意力机制层用于对所述组合特征向量、所述第一订单特征向量和所述第一目标特征向量进行加权融合，得到第二目标特征向量，并将所述第二目标特征向量输入到所述第二mlp；
15.所述第二mlp用于根据所述第一目标特征向量和所述第二目标特征向量，确定所述目标配送运力。
16.可选地，所述配送者特征以及订单特征集合包括的每个订单特征均包括时空特征，所述根据所述配送者特征，所述第一订单特征，所述第二订单特征，所述第三订单特征和所述环境特征，生成所述配送者特征对应的配送者特征向量，所述第一订单特征向量，所述第二订单特征对应的第二订单特征向量，所述第三订单特征对应的第三订单特征向量，以及所述环境特征对应的环境特征向量，包括：
17.确定每个订单特征包括的所述时空特征对应的时空向量，以及所述配送者特征对应的时空向量；
18.根据所述时空向量，确定所述配送者特征向量，所述第一订单特征向量，所述第二订单特征向量和所述第三订单特征向量。
19.可选地，所述时空特征包括时间特征、位置特征和地址特征中的至少一种，所述确定每个订单特征包括的所述时空特征对应的时空向量，以及所述配送者特征对应的时空向量，包括：
20.在所述时空特征包括所述时间特征的情况下，按照预设的时间向量映射方式，将所述时间特征映射为时间向量；
21.在所述时空特征包括所述位置特征的情况下，按照预设的位置向量映射方式，将所述位置特征映射为位置向量；
22.在所述时空特征包括所述地址特征的情况下，按照预设的地址向量映射方式，将所述地址特征映射为地址向量；
23.根据所述位置向量和所述地址向量，确定空间向量；
24.将所述时间向量和所述空间向量作为所述时空向量。
25.可选地，所述配送运力确定模型是通过以下方式训练的：
26.获取训练样本集，所述训练样本集包括训练特征样本，以及所述训练特征样本对应的配送运力样本；所述训练特征样本包括配送者特征样本，环境特征样本和订单特征集合样本，所述订单特征集合样本包括第一订单特征样本，第二订单特征样本和第三订单特征样本；
27.根据所述训练样本集，对预设训练模型进行训练，得到所述配送运力确定模型。
28.根据本公开实施例的第二方面，提供一种订单分配装置，所述装置包括：
29.获取模块，被配置成用于获取目标配送区域内的订单特征集合，环境特征和每个
配送者的配送者特征；所述订单特征集合包括待分配订单的第一订单特征，每个所述配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，所述待确定订单包括未确定配送运力的订单；
30.确定模块，被配置成用于将所述订单特征集合，所述环境特征和所述配送者特征输入预先训练的配送运力确定模型，得到所述待确定订单的目标配送运力；
31.分配模块，被配置成用于根据所述目标配送运力对所述待确定订单进行分配。
32.可选地，所述配送运力确定模型用于根据所述配送者特征和所述第二订单特征，确定每个所述配送者对应的组合特征向量，并根据所述第三订单特征和所述环境特征，确定第一目标特征向量，并根据所述组合特征向量，所述第一目标特征向量和所述第一订单特征对应的第一订单特征向量，确定所述目标配送运力。
33.可选地，所述配送运力确定模型包括嵌入层、自注意力机制层、特征提取网络、第一mlp和第二mlp；
34.所述嵌入层用于根据所述配送者特征，所述第一订单特征，所述第二订单特征，所述第三订单特征和所述环境特征，生成所述配送者特征对应的配送者特征向量，所述第一订单特征向量，所述第二订单特征对应的第二订单特征向量，所述第三订单特征对应的第三订单特征向量，以及所述环境特征对应的环境特征向量；
35.所述嵌入层还用于将所述配送者特征向量和所述第二订单特征向量输入到所述特征提取网络，并将所述第一订单特征向量输入到所述自注意力机制层，并将所述第三订单特征向量和所述环境特征向量输入到所述第一mlp；
36.所述特征提取网络用于对所述配送者特征向量和所述第二订单特征向量进行特征提取，得到所述组合特征向量，并将所述组合特征向量输入到所述自注意力机制层；
37.所述第一mlp用于根据所述第三订单特征向量和所述环境特征向量，确定所述第一目标特征向量，并将所述第一目标特征向量分别输入到所述自注意力机制层和所述第二mlp；
38.所述自注意力机制层用于对所述组合特征向量、所述第一订单特征向量和所述第一目标特征向量进行加权融合，得到第二目标特征向量，并将所述第二目标特征向量输入到所述第二mlp；
39.所述第二mlp用于根据所述第一目标特征向量和所述第二目标特征向量，确定所述目标配送运力。
40.可选地，所述配送者特征以及订单特征集合包括的每个订单特征均包括时空特征，所述确定模块，被配置成用于：
41.确定每个订单特征包括的所述时空特征对应的时空向量，以及所述配送者特征对应的时空向量；
42.根据所述时空向量，确定所述配送者特征向量，所述第一订单特征向量，所述第二订单特征向量和所述第三订单特征向量。
43.可选地，所述时空特征包括时间特征、位置特征和地址特征中的至少一种，所述确定模块，被配置成用于：
44.在所述时空特征包括所述时间特征的情况下，按照预设的时间向量映射方式，将所述时间特征映射为时间向量；
45.在所述时空特征包括所述位置特征的情况下，按照预设的位置向量映射方式，将所述位置特征映射为位置向量；
46.在所述时空特征包括所述地址特征的情况下，按照预设的地址向量映射方式，将所述地址特征映射为地址向量；
47.根据所述位置向量和所述地址向量，确定空间向量；
48.将所述时间向量和所述空间向量作为所述时空向量。
49.可选地，所述配送运力确定模型是通过以下方式训练的：
50.获取训练样本集，所述训练样本集包括训练特征样本，以及所述训练特征样本对应的配送运力样本；所述训练特征样本包括配送者特征样本，环境特征样本和订单特征集合样本，所述订单特征集合样本包括第一订单特征样本，第二订单特征样本和第三订单特征样本；
51.根据所述训练样本集，对预设训练模型进行训练，得到所述配送运力确定模型。
52.根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上第一方面所述方法的步骤。
53.根据本公开实施例的第四方面，提供一种电子设备，包括：
54.存储器，其上存储有计算机程序；
55.处理器，用于执行所述存储器中的所述计算机程序，以实现以上第一方面所述方法的步骤。
56.通过上述技术方案，本公开首先通过获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征，其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单，之后将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力，最后根据目标配送运力对待确定订单进行分配。本公开通过配送运力确定模型根据订单特征集合，配送者特征和环境特征，来确定目标配送运力，不需要使用统计特征，提高了确定目标配送运力的准确度，同时可以根据准确的目标配送运力，合理的将待确定订单分配给配送者，提高了配送者的订单配送效率和配送便捷度。
57.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
58.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
59.图1是根据一示例性实施例示出的一种订单分配方法的流程图；
60.图2是根据一示例性实施例示出的一种配送运力确定模型的示意图；
61.图3是根据一示例性实施例示出的一种训练配送运力确定模型的流程图；
62.图4是根据一示例性实施例示出的一种订单分配装置的框图；
63.图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
64.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
65.在介绍本公开提供的订单分配方法、装置、存储介质和电子设备之前，首先对本公开各个实施例所涉及应用场景进行介绍，该应用场景可以是配送场景。在该场景下，用户可以通过持有的终端或是终端中安装的app(英文：application，中文：应用程序)在配送平台上进行下单，以购买用户所需的物品，该物品例如可以是外卖、药物、蔬菜、水果、电子产品等。相应的，配送平台可以接收用户的订单，并将该订单分配给配送者进行配送。其中，配送者可以是配送骑手，也可以是配送机器人、无人机、无人车等具有运输能力的装置，本公开对此不作具体限定。该终端例如可以是智能手机、平板电脑、智能手表和智能手环等移动终端，也可以是台式计算机等固定终端，配送平台可以设置在服务器上，该服务器可以包括但不限于：实体服务器，服务器集群或云端服务器等。
66.相关技术中，主要是通过将待确定订单的原始信息在多个维度上(例如，城市维度、区域维度和商家维度等)进行特征聚合，以得到聚合后的待确定订单的统计特征，其中，订单的原始信息可以包括订单信息、商户信息和配送者信息等，统计特征例如可以包括区域过去10分钟内的平均配送时长，商户昨日的订单量，配送者与待确定订单所在商户之间的距离等特征。然后将聚合得到的统计特征，输入预先基于统计特征构建的模型中，以得到待确定订单的目标配送运力，并根据目标配送运力，将待确定订单分配给配送者。然而，对原始信息进行特征聚合得到的统计特征，会丢失原始信息中的部分信息，并且，统计特征只能包含粗粒度的特征，无法准确地刻画配送者与订单的排列组合关系，这会使通过统计特征确定的目标配送运力不准确，进而导致无法合理的为配送者分配订单，降低配送者的订单配送效率，影响配送便捷度，给用户带来不便。
67.为了解决相关技术中存在的问题，本公开通过配送运力确定模型根据细粒度的订单特征集合，配送者特征和环境特征，来确定目标配送运力，不存在信息丢失，能够准确地确定目标配送运力，同时可以根据准确的目标配送运力，合理的将待确定订单分配给配送者，从而提高配送者的订单配送效率和配送便捷度。
68.图1是根据一示例性实施例示出的一种订单分配方法的流程图。如图1所示，该方法包括以下步骤：
69.步骤101，获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征。
70.其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单。
71.举例来说，配送平台通常会将配送服务所能覆盖的区域划分为多个配送区域，每个配送区域内的配送者只能接取该配送区域内的订单，而无法收到其他配送区域的订单。同时，配送平台会按照预设周期(预设周期例如可以是1min)对每个配送区域内的订单进行调度，以对每个配送区域内的订单进行分配。配送平台在接收到需要配送的新订单后，可以
将该订单作为待确定订单(此时，待确定订单为未确定配送运力的订单)，并进一步确定待确定订单的目标配送运力。例如，可以将待确定订单对应的细粒度的特征，输入到预先训练的配送运力确定模型中，来确定目标配送运力。
72.具体的，配送平台首先可以获取目标配送区域内的包括第一订单特征，第二订单特征和第三订单特征的订单特征集合，并获取环境特征和每个配送者的配送者特征。其中，每个订单特征(即第一订单特征，第二订单特征和第三订单特征)可以包括订单价格，配送距离，用户的位置坐标，订单所在商户的位置坐标中的至少一个。第一订单特征为目标配送区域内的待分配订单的特征，待分配订单为配送平台在一次调度过程中会对待确定订单的配送产生影响(例如，距离待确定订单所处位置较近的订单)，且未分配给配送者的订单，待分配订单可以包括已确定配送运力的订单和未确定配送运力的订单。第二订单特征为每个配送者的已分配订单的特征，已分配订单为每个配送者当前所背负的配送平台分配给该配送者的订单，第三订单特征为待确定订单的特征。配送者特征用于表征配送者自身的信息，例如，配送者特征可以包括配送者的位置坐标、配送者的已分配订单的数量、配送类型中的至少一个。环境特征为当前目标配送区域内的现实环境的特征，环境特征例如可以包括：当前的时刻、日期、天气等。
73.步骤102，将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力。
74.示例地，为了能够准确地确定目标配送运力，可以根据配送者特征和订单特征构建《配送者、订单》二元组形式的特征，并输入到基于《配送者、订单》二元组形式的特征构建的配送运力确定模型，来确定目标配送运力，其中，《配送者、订单》二元组形式的特征可以采用《配送者、订单》二元组的feature bank(中文：特征快照)。例如，配送平台可以在获取订单特征集合，环境特征和配送者特征之后，将订单特征集合，环境特征和配送者特征输入配送运力确定模型。由配送运力确定模型对每个配送者的配送者特征和该配送者的已分配订单的第二订单特征进行特征提取，来构建《配送者、订单》二元组形式的特征，以得到每个配送者对应的组合特征向量。同时，配送运力确定模型可以利用预设的向量映射方式，将第一订单特征映射为第一订单特征向量。此外，配送运力确定模型还可以对待确定订单的第三订单特征和环境特征进行特征提取，以得到包含待确定订单和当前目标配送区域内的现实环境的特征的第一目标特征向量。然后，配送运力确定模型可以根据组合特征向量，第一目标特征向量和第一订单特征向量，确定目标配送运力。
75.其中，配送运力用于表征订单所要占用的配送者的运力，可以通过配送者在某一配送路径中所能同时配送的订单数量以及该配送路径的配送距离来衡量。例如，在配送骑手沿1000m的配送路径进行配送，且同时配送的订单数量为两个的情况下，则这两个订单所对应的配送运力为(1000/2)/1000＝1/2。再例如，在配送骑手沿1000m的配送路径进行配送，且同时配送的订单数量为两个的情况下，若配送骑手在500m处需要对1个订单进行配送，并需要在1000m处对另一个订单进行配送，则这两个订单所对应的配送运力为((500/2) (500/1))/1000＝3/4。
76.需要说明的是，通过将细粒度的订单特征集合，环境特征和配送者特征输入到配送运力确定模型中，能够使配送运力确定模型得到符合真实配送场景的特征，提高了配送运力确定模型确定目标配送运力的准确度。并且，通过组合特征向量，能够准确地刻画出配
送者和已分配订单的排列组合关系，使配送运力确定模型可以根据配送者以及配送者的已分配订单，来确定目标配送运力，进一步提高了确定目标配送运力的准确度。
77.步骤103，根据目标配送运力对待确定订单进行分配。
78.在本步骤中，配送平台可以为目标配送区域设置与之对应的订单池，在确定目标配送运力后，可以根据目标配送运力和待分配订单中未确定配送运力的订单，来对待确定订单进行分配。具体的，配送平台可以在目标配送运力较小时，先将待确定订单放入订单池中，并在与配送运力较小的其他订单组合后，一起分配给某一配送者，以使订单分配更加合理，提高配送者的订单配送效率和配送便捷度。进一步的，配送平台可以在目标配送运力较大时，直接将待分配订单分配给某一配送者，以降低用户的等待时间，提高配送者的订单配送效率和配送便捷度。例如，在目标配送运力为1/5的情况下，配送平台可以将待确定订单与配送运力为1/4，1/5的待分配订单进行组合，并将组合后的三个订单，分配给与这三个订单所在商户的平均距离最近的配送者。再例如，在目标配送运力为2/3的情况下，配送平台可以直接将待确定订单，分配给距离待确定订单所在商户最近的配送者。
79.综上所述，本公开首先通过获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征，其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单，之后将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力，最后根据目标配送运力对待确定订单进行分配。本公开通过配送运力确定模型根据订单特征集合，配送者特征和环境特征，来确定目标配送运力，不需要使用统计特征，提高了确定目标配送运力的准确度，同时可以根据准确的目标配送运力，合理的将待确定订单分配给配送者，提高了配送者的订单配送效率和配送便捷度。
80.可选地，配送运力确定模型用于根据配送者特征和第二订单特征，确定每个配送者对应的组合特征向量，并根据第三订单特征和环境特征，确定第一目标特征向量，并根据组合特征向量，第一目标特征向量和第一订单特征对应的第一订单特征向量，确定目标配送运力。
81.举例来说，如图2所示，配送运力确定模型可以包括嵌入层、自注意力机制层、特征提取网络、第一mlp(英文：multi-layer perceptron，中文：多层感知器)和第二mlp。其中，嵌入层用于接收输入的配送者特征，第一订单特征，第二订单特征，第三订单特征和环境特征，并利用预设的向量映射方式，根据配送者特征，第一订单特征，第二订单特征，第三订单特征和环境特征，生成配送者特征对应的配送者特征向量，第一订单特征向量，第二订单特征对应的第二订单特征向量，第三订单特征对应的第三订单特征向量，以及环境特征对应的环境特征向量。例如，可以在嵌入层中预设有多种embedding方法，不同的embedding方法对应不同的特征。嵌入层在接收到配送者特征，第一订单特征，第二订单特征，第三订单特征和环境特征后，可以按照各个特征对应的embedding方法，将配送者特征映射为配送者特征向量，将第一订单特征映射为第一订单特征向量，将第二订单特征映射为第二订单特征向量，将第三订单特征映射为第三订单特征向量，并将环境特征映射为环境特征向量。此外，嵌入层还用于将配送者特征向量和第二订单特征向量输入到特征提取网络，并将第一订单特征向量输入到自注意力机制层，并将第三订单特征向量和环境特征向量输入到第一
mlp。
82.特征提取网络用于对配送者特征向量和第二订单特征向量进行特征提取，得到组合特征向量，并将组合特征向量输入到自注意力机制层。其中，组合特征向量为对每个配送者的配送者特征和该配送者的已分配订单的第二订单特征经过特征提取得到的特征向量。第一mlp用于根据第三订单特征向量和环境特征向量，确定第一目标特征向量，并将第一目标特征向量分别输入到自注意力机制层和第二mlp。自注意力机制层用于利用attention的方式，将每个配送者对应的组合特征向量，第一订单特征向量和第一目标特征向量求取权重，并根据求取的权重，对组合特征向量、第一订单特征向量和第一目标特征向量进行加权融合，得到第二目标特征向量，并将第二目标特征向量输入到第二mlp。通过自注意力机制层可以根据配送者背负的已分配订单与待确定订单是否顺路，来对配送者对应的配送者特征向量的权重进行调整，将背负有与待确定订单顺路的已分配订单的配送者对应的配送者特征向量，设置有更大的权重。通过在配送运力确定模型中设计自注意力机制层，可以使配送运力确定模型在确定目标配送运力时考虑到已分配订单与待确定订单的顺路情况，使配送运力确定模型确定的目标配送运力更加贴合真实的配送场景，提高了配送运力确定模型确定目标配送运力的准确度。第二mlp用于在接收到第一目标特征向量和第二目标特征向量之后，根据第一目标特征向量和第二目标特征向量，确定目标配送运力，并输出目标配送运力。
83.可选地，配送者特征以及订单特征集合包括的每个订单特征均包括时空特征，根据配送者特征，第一订单特征，第二订单特征，第三订单特征和环境特征，生成配送者特征对应的配送者特征向量，第一订单特征向量，第二订单特征对应的第二订单特征向量，第三订单特征对应的第三订单特征向量，以及环境特征对应的环境特征向量，可以通过以下步骤实现：
84.步骤(1)，确定每个订单特征包括的时空特征对应的时空向量，以及配送者特征对应的时空向量。
85.步骤(2)，根据时空向量，确定配送者特征向量，第一订单特征向量，第二订单特征向量和第三订单特征向量。
86.在一种场景中，还可以为配送运力确定模型输入表征配送者/订单的时空信息的特征，以使配送运力确定模型可以根据配送者和订单所在商户的时空分布，来确定目标配送运力，使配送运力确定模型确定的目标配送运力更加贴合真实的配送场景，从而进一步提高配送运力确定模型确定目标配送运力的准确度。例如，嵌入层可以获取包括时空特征的配送者特征、第一订单特征、第二订单特征和第三订单特征，并利用预设的向量映射方式，将第一订单特征包括的时空特征映射为第一时空向量，再将第一订单特征包括的其他特征(例如，订单价格，配送距离，用户的位置坐标，订单所在商户的位置坐标等)映射为第一向量，并根据第一时空向量和第一向量，确定第一订单特征向量。确定第二订单特征向量，第三订单特征向量和配送者特征向量的方式，与确定第一订单特征向量的方式相同，此处不再详细赘述。
87.进一步的，步骤(1)可以通过以下步骤实现：
88.步骤a)，在时空特征包括时间特征的情况下，按照预设的时间向量映射方式，将时间特征映射为时间向量。
89.步骤b)，在时空特征包括位置特征的情况下，按照预设的位置向量映射方式，将位置特征映射为位置向量。
90.步骤c)，在时空特征包括地址特征的情况下，按照预设的地址向量映射方式，将地址特征映射为地址向量。
91.举例来说，时空特征包括时间特征、位置特征和地址特征中的至少一种，其中，时间特征例如可以包括订单的下单时间，订单的预计送达时间和配送者到达订单所在商户的时间等，位置特征例如可以包括用户的位置坐标，订单所在商户的位置坐标和配送者的位置坐标等，位置坐标可以是gps(英文：global positioning system，中文：全球定位系统)，地址特征例如可以包括订单所在商户的地址和用户的地址等。嵌入层中可以预设有时间向量映射方式，位置向量映射方式和地址向量映射方式。在时空特征包括时间特征的情况下，嵌入层可以按照时间向量映射方式，将时空特征包括的时间特征映射为时间向量，时间向量映射方式例如可以采用时间embedding。在时空特征包括位置特征的情况下，嵌入层可以按照位置向量映射方式，将时空特征包括的位置特征映射为位置向量，位置向量映射方式例如可以采用双线性插值embedding。在时空特征包括地址特征的情况下，嵌入层可以按照地址向量映射方式，将时空特征包括的地址特征映射为地址向量，地址向量映射方式例如可以采用字级别embedding。其中，通过向量映射方式(即时间向量映射方式、位置向量映射方式和地址向量映射方式)，确定时间向量、位置向量和地址向量的方式可以参考相关技术中描述的方式，此处不再详细赘述。
92.步骤d)，根据位置向量和地址向量，确定空间向量。
93.步骤e)，将时间向量和空间向量作为时空向量。
94.示例地，嵌入层在确定了位置向量和地址向量之后，可以进一步根据位置向量和地址向量，确定空间向量，例如，可以采用对位置向量和地址向量进行拼接的方式，来确定空间向量。之后，嵌入层可以将时间向量和空间向量作为时空向量，其中，时空向量用于表征配送者/订单的时空信息。
95.图3是根据一示例性实施例示出的一种训练配送运力确定模型的流程图。如图3所示，配送运力确定模型可以通过以下方式训练：
96.步骤201，获取训练样本集，训练样本集包括训练特征样本，以及训练特征样本对应的配送运力样本。
97.其中，训练特征样本包括配送者特征样本，环境特征样本和订单特征集合样本，订单特征集合样本包括第一订单特征样本，第二订单特征样本和第三订单特征样本。
98.举例来说，在训练配送运力确定模型时，可以预先获取目标配送区域内配送者已经配送过的历史订单对应的历史配送数据(历史配送数据例如可以包括历史订单的订单特征，配送历史订单的配送者的配送者特征，以及目标配送区域的历史环境特征)，并根据历史配送数据，计算每个历史订单的配送运力，然后根据计算出的每个历史订单的配送运力和历史配送数据，生成包括训练特征样本和配送运力样本的训练样本集。其中，训练特征样本可以包括配送者特征样本，环境特征样本，第一订单特征样本，第二订单特征样本和第三订单特征样本。配送者特征样本，环境特征样本，第一订单特征样本，第二订单特征样本和第三订单特征样本，分别为从历史配送数据中提取的配送者特征，环境特征，第一订单特征，第二订单特征和第三订单特征对应的用于进行模型训练的样本。
99.步骤202，根据训练样本集，对预设训练模型进行训练，得到配送运力确定模型。
100.示例地，在获取到训练样本集之后，可以将训练特征样本作为预设训练模型的输入，同时将配送运力样本作为预设训练模型的输出，来对预设训练模型进行预训练。然后，可以利用预设的损失函数，对预训练后的预设训练模型进行优化，并在损失函数达到最小值时，得到配送运力确定模型。
101.综上所述，本公开首先通过获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征，其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单，之后将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力，最后根据目标配送运力对待确定订单进行分配。本公开通过配送运力确定模型根据订单特征集合，配送者特征和环境特征，来确定目标配送运力，不需要使用统计特征，提高了确定目标配送运力的准确度，同时可以根据准确的目标配送运力，合理的将待确定订单分配给配送者，提高了配送者的订单配送效率和配送便捷度。
102.图4是根据一示例性实施例示出的一种订单分配装置的框图。如图4所示，该装置300包括：
103.获取模块301，被配置成用于获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征。
104.其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单。
105.确定模块302，被配置成用于将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力。
106.分配模块303，被配置成用于根据目标配送运力对待确定订单进行分配。
107.可选地，配送运力确定模型用于根据配送者特征和第二订单特征，确定每个配送者对应的组合特征向量，并根据第三订单特征和环境特征，确定第一目标特征向量，并根据组合特征向量，第一目标特征向量和第一订单特征对应的第一订单特征向量，确定目标配送运力。
108.可选地，配送运力确定模型包括嵌入层、自注意力机制层、特征提取网络、第一mlp和第二mlp。
109.嵌入层用于根据配送者特征，第一订单特征，第二订单特征，第三订单特征和环境特征，生成配送者特征对应的配送者特征向量，第一订单特征向量，第二订单特征对应的第二订单特征向量，第三订单特征对应的第三订单特征向量，以及环境特征对应的环境特征向量。
110.嵌入层还用于将配送者特征向量和第二订单特征向量输入到特征提取网络，并将第一订单特征向量输入到自注意力机制层，并将第三订单特征向量和环境特征向量输入到第一mlp。
111.特征提取网络用于对配送者特征向量和第二订单特征向量进行特征提取，得到组合特征向量，并将组合特征向量输入到自注意力机制层。
112.第一mlp用于根据第三订单特征向量和环境特征向量，确定第一目标特征向量，并将第一目标特征向量分别输入到自注意力机制层和第二mlp。
113.自注意力机制层用于对组合特征向量、第一订单特征向量和第一目标特征向量进行加权融合，得到第二目标特征向量，并将第二目标特征向量输入到第二mlp。
114.第二mlp用于根据第一目标特征向量和第二目标特征向量，确定目标配送运力。
115.可选地，配送者特征以及订单特征集合包括的每个订单特征均包括时空特征，确定模块302，被配置成用于：
116.确定每个订单特征包括的时空特征对应的时空向量，以及配送者特征对应的时空向量。
117.根据时空向量，确定配送者特征向量，第一订单特征向量，第二订单特征向量和第三订单特征向量。
118.可选地，时空特征包括时间特征、位置特征和地址特征中的至少一种，确定模块302，被配置成用于：
119.在时空特征包括时间特征的情况下，按照预设的时间向量映射方式，将时间特征映射为时间向量。
120.在时空特征包括位置特征的情况下，按照预设的位置向量映射方式，将位置特征映射为位置向量。
121.在时空特征包括地址特征的情况下，按照预设的地址向量映射方式，将地址特征映射为地址向量。
122.根据位置向量和地址向量，确定空间向量。
123.将时间向量和空间向量作为时空向量。
124.可选地，配送运力确定模型是通过以下方式训练的：
125.获取训练样本集，训练样本集包括训练特征样本，以及训练特征样本对应的配送运力样本。
126.其中，训练特征样本包括配送者特征样本，环境特征样本和订单特征集合样本，订单特征集合样本包括第一订单特征样本，第二订单特征样本和第三订单特征样本。
127.根据训练样本集，对预设训练模型进行训练，得到配送运力确定模型。
128.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
129.综上所述，本公开首先通过获取目标配送区域内的订单特征集合，环境特征和每个配送者的配送者特征，其中，订单特征集合包括待分配订单的第一订单特征，每个配送者的已分配订单的第二订单特征，以及待确定订单的第三订单特征，待确定订单包括未确定配送运力的订单，之后将订单特征集合，环境特征和配送者特征输入预先训练的配送运力确定模型，得到待确定订单的目标配送运力，最后根据目标配送运力对待确定订单进行分配。本公开通过配送运力确定模型根据订单特征集合，配送者特征和环境特征，来确定目标配送运力，不需要使用统计特征，提高了确定目标配送运力的准确度，同时可以根据准确的目标配送运力，合理的将待确定订单分配给配送者，提高了配送者的订单配送效率和配送便捷度。
130.图5是根据一示例性实施例示出的一种电子设备700的框图。如图5所示，该电子设
备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(i/o)接口704，以及通信组件705中的一者或多者。
131.其中，处理器701用于控制该电子设备700的整体操作，以完成上述的订单分配方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g、4g、nb-iot、emtc、或其他5g等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：wi-fi模块，蓝牙模块，nfc模块等等。
132.在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的订单分配方法。
133.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的订单分配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的订单分配方法。
134.以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
135.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
136.此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。